Câu trả lời ngắn gọn: video bảng trắng có thể được thuyết minh theo hai cách: ghi âm giọng nói của bạn theo từng phân đoạn bằng micro, hoặc kết nối API TTS của riêng bạn trong tab AI Voice và tạo lời thuyết minh cho từng phân đoạn (kèm tính năng nhân bản giọng nói bằng âm thanh tham chiếu); sau đó dịch kịch bản và văn bản trên canvas sang 13 ngôn ngữ, chuyển đổi ngôn ngữ, tạo lại voiceover và ghi hình lại; một canvas, nhiều phiên bản ngôn ngữ.
Hai chế độ thuyết minh
Trong quá trình ghi hình theo phân đoạn, lời thuyết minh của mỗi phân đoạn đến từ một trong hai nguồn:
| Chế độ | Quy trình | Đặc điểm |
|---|---|---|
| Ghi âm bằng micro | Ghi âm bằng micro theo từng phân đoạn, đọc từ máy nhắc chữ | Cá nhân hóa nhất; có thể điều chỉnh trong quá trình ghi |
| Voiceover AI | Tạo TTS từ kịch bản trong tab AI Voice, sau đó ghi hình khi timeline chạy | Không cần tự nói, hỗ trợ nhiều ngôn ngữ, dễ ghi lại sau khi thay đổi kịch bản |
Bạn có thể thoải mái kết hợp cả hai theo từng phân đoạn: ghi phần nội dung chính bằng giọng của bạn, dùng AI cho phần mở đầu và kết thúc.
Quy trình ghi hình (phân đoạn, liên kết slide, phụ đề chèn sẵn, xuất video) nằm trong hướng dẫn ghi hình; bài viết này tập trung vào giọng nói và ngôn ngữ.
Thiết lập TTS riêng với tính năng nhân bản giọng nói
Tab AI Voice bắt đầu bằng một lần thiết lập dịch vụ TTS của riêng bạn:
- Endpoint và xác thực: hoạt động với các định dạng API TTS phổ biến; tên trường request có thể tùy chỉnh;
- Model và mã ngôn ngữ: điền theo dịch vụ của bạn;
- Âm thanh tham chiếu + văn bản tham chiếu: cung cấp một đoạn mẫu và bản chép lời của đoạn đó để nhân bản giọng nói, giúp TTS đọc kịch bản bằng giọng nói ấy.
Nói cách khác, không có thư viện giọng nói tích hợp sẵn; dịch vụ TTS của bạn quyết định các giọng nói. Các đoạn âm thanh đã tạo được lưu trong trình duyệt, vì vậy việc ghi lại cùng một kịch bản sẽ không cần tạo lại âm thanh.
Mỗi thẻ tương ứng với một phân đoạn: tạo TTS, xem trước, tạo lại hoặc tạo đồng thời tất cả các phân đoạn
Tạo theo từng phân đoạn và ghi hình theo chế độ thuyết minh
Voiceover được sắp xếp theo từng phân đoạn và liên kết với các slide:
- Tạo theo từng phân đoạn: mỗi thẻ phân đoạn sẽ tạo TTS, phát lại và cho phép tạo lại khi cần;
- Tạo tất cả: tạo đồng thời cho mọi phân đoạn và lưu cục bộ;
- Ghi hình theo chế độ thuyết minh: khi ghi hình, timeline TTS tự động chạy và canvas chuyển đổi theo từng phân đoạn, tạo ra một video có thuyết minh hoàn chỉnh chỉ trong một lần quay;
- Xuất video: giống như ghi hình thông thường, xuất thẳng sang MP4.
Khi kịch bản được phân tích thành các phân đoạn, voiceover, phụ đề và slide sẽ dùng chung một cấu trúc
Phụ đề và voiceover đều lấy từ cùng một kịch bản: phụ đề được chèn dựa trên thời lượng ước tính, còn voiceover là phần TTS đọc, nên nội dung mặc định khớp nhau; độ căn chỉnh thời gian được tinh chỉnh thông qua cài đặt tốc độ phụ đề.
Dịch sang 13 ngôn ngữ
Cả kịch bản thuyết minh và các thành phần văn bản trên canvas đều có thể được AI dịch:
- Phạm vi: cả hai / chỉ kịch bản / chỉ văn bản trên canvas;
- Ngôn ngữ đích: 13 (tiếng Trung, tiếng Anh, tiếng Đức, tiếng Pháp, tiếng Tây Ban Nha, tiếng Nhật, tiếng Hàn và nhiều ngôn ngữ khác);
- Dịch vụ dịch: cũng được tự cấu hình; điền API LLM của bạn (hỗ trợ cả giao thức OpenAI Chat Completions và Anthropic Messages);
- Preset phong cách: hội thoại / trang trọng / thân mật;
- Bản dịch có thể chỉnh sửa theo từng phân đoạn và được lưu cùng với ngôn ngữ gốc.
Bản dịch áp dụng cho kịch bản thuyết minh và văn bản trên canvas; hình khối và cấu trúc không thay đổi
Quy trình chuyển đổi và ghi hình lại
Một canvas, nhiều phiên bản ngôn ngữ; yếu tố then chốt là tạo lại giọng đọc sau khi dịch:
- Dịch: chọn ngôn ngữ đích và dịch kịch bản cùng văn bản trên canvas (có thể chỉnh sửa theo từng phân đoạn);
- Chuyển đổi ngôn ngữ: dự án chuyển đổi, văn bản trên canvas và kịch bản cũng thay đổi theo;
- Tạo lại voiceover: TTS tạo lại theo từng phân đoạn từ văn bản ở ngôn ngữ mới;
- Ghi hình lại: chạy lại chế độ ghi hình theo thuyết minh và xuất MP4 bằng ngôn ngữ đích.
Dữ liệu của ngôn ngữ gốc vẫn được lưu trong bộ nhớ cục bộ; bạn có thể chuyển về và ghi hình lại bất cứ lúc nào.
So với quy trình voiceover thủ công
| Voiceover thủ công / công cụ hậu kỳ | Studio bảng trắng | |
|---|---|---|
| TTS | Tìm một công cụ TTS riêng, sau đó tự căn chỉnh âm thanh | Một lần nhấp cho mỗi phân đoạn, tự động căn chỉnh với các phân đoạn |
| Đa ngôn ngữ | Viết lại, ghi âm lại và căn chỉnh lại cho từng ngôn ngữ | Dịch kịch bản bằng một lần nhấp; chuyển đổi và tạo lại |
| Phụ đề | Dùng ứng dụng phụ đề để căn thời gian | Tự động chèn từ cùng một kịch bản |
| Giọng nói | Giọng cố định hoặc phải mua thêm dịch vụ khác | Dịch vụ TTS của bạn, có tính năng nhân bản giọng nói |
| Dữ liệu | Tài nguyên phân tán giữa nhiều công cụ | Mọi thứ nằm trong một dự án cục bộ |
Tóm lại: quy trình thủ công có lợi thế ở việc thay đổi công cụ trong từng bước, còn studio có lợi thế ở việc “chỉ cần thay đổi kịch bản một lần; voiceover, phụ đề và bản dịch đều tự động cập nhật theo”.
Câu hỏi thường gặp
Voiceover AI có cần dịch vụ TTS riêng của tôi không?
Có. Không có thư viện giọng nói tích hợp sẵn; hãy điền API TTS của riêng bạn trong phần cài đặt (endpoint, xác thực, model và mã ngôn ngữ). Tên trường request có thể tùy chỉnh và các định dạng API phổ biến được hỗ trợ.
Có hỗ trợ nhân bản giọng nói không?
Có. Cung cấp một đoạn âm thanh tham chiếu và bản chép lời của đoạn đó, TTS sẽ đọc kịch bản bằng giọng nói ấy; tính năng này được cấu hình trong phần cài đặt.
Những ngôn ngữ nào được hỗ trợ?
Bản dịch hỗ trợ 13 ngôn ngữ đích (tiếng Trung, tiếng Anh, tiếng Đức, tiếng Pháp, tiếng Tây Ban Nha, tiếng Nhật, tiếng Hàn và nhiều ngôn ngữ khác); ngôn ngữ TTS phụ thuộc vào dịch vụ của bạn và được thiết lập thông qua mã ngôn ngữ.
Có thể kết hợp ghi âm bằng micro với voiceover AI không?
Có, theo từng phân đoạn: một số phân đoạn được ghi bằng micro, một số được tạo bằng TTS, sau đó được ghép vào cùng một video xuất.
Phụ đề có luôn đồng bộ với voiceover không?
Cả hai đều lấy từ cùng một kịch bản, nên nội dung mặc định khớp nhau; thời lượng phụ đề được ước tính dựa trên tốc độ; hãy điều chỉnh tốc độ phụ đề trong phần cài đặt để phù hợp hơn với nhịp đọc.
Bản dịch có làm thay đổi đồ họa trên canvas không?
Không. Bản dịch chỉ tác động đến kịch bản thuyết minh và nội dung văn bản của các thành phần trên canvas; hình khối, vị trí và cấu trúc vẫn giữ nguyên.
Chi phí là bao nhiêu?
Voiceover AI và dịch thuật sẽ gọi đến các dịch vụ TTS và LLM của riêng bạn, vì vậy chi phí phát sinh ở phía dịch vụ của bạn; tính năng ghi canvas và xóa watermark cần nâng cấp gói trả phí của Eyesme.
Dữ liệu được lưu ở đâu?
Kịch bản, bản dịch, video phân đoạn và âm thanh voiceover được lưu trong bộ nhớ cục bộ của trình duyệt và không bao giờ được tải lên.
Tính năng và thông tin chi tiết phản ánh phiên bản studio tính đến November 12, 2026 và có thể thay đổi; ảnh chụp sản phẩm được lấy từ giao diện hiện tại.
Bạn đã sẵn sàng để một canvas nói được nhiều ngôn ngữ chưa? Mở Draw Studio, ghi lại bản gốc bằng hướng dẫn ghi hình, sau đó sử dụng voiceover AI và tính năng dịch cho từng phiên bản ngôn ngữ.




